Självövervakad sentimentanalys
Självövervakad sentimentanalys kombinerar storskalig oövervakad förträning — genom mål som maskerad språkmodellering eller kontrastiv prediktion — med finjustering på ett litet märkt sentimentkorpus. Metoden, populariserad av BERT och dess varianter, minskar dramatiskt behovet av manuellt märkt data samtidigt som den uppnår toppmodern noggrannhet på uppgifter för klassificering av positiva/negativa/neutrala åsikter.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of NAACL-HLT 2019 (pp. 4171–4186). Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to fine-tune BERT for text classification? In China National Conference on Chinese Computational Linguistics (CCL 2019), pp. 194–206. Springer. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/sv/deep-learning/self-supervised-sentiment-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- TextklassificeringTextutvinning↔ compare
- ÖverföringsinlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →